快速可重构信息系统的框架研究(英文)

变化和重构是快速可重构信息系统 (RRIS)的两个核心概念 ,RRIS对变化的适应或演化能力使它优于传统信息系统。本文首先提出 RRIS的体系结构 ,然后以 RRIS框架为重点 ,讨论框架的定义、分类及设计 ,研究框架的构成、构成元素 (业务构件 )的设计及构件如何在构架的组织下协调地安插在 CORBA的软总线上 ,实现类似硬件IC的即插即用。构件在框架上即插即用的灵活机制及热点构件 (反映变化 )的灵活运用 ,提高了框架的可扩展性、可定制性 ,从而提高了 RRIS适应变化的可重构性。     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

涡轴发动机燃烧室头部流场试验研究

对涡轴发动机短环直流燃烧室进行了突扩区和火焰筒头部间流场试验研究。采用ＬＤＶ多谱勒激光测速仪测量了燃烧室头部的时均速度场和各测量点的紊流强度，并绘制了流谱。通过对七种不同结构方案扩压器进行试验，研究了几何参数和前置扩压器出口气动参数变化对突扩区和火焰筒头部间速度场以及各点紊流强度、旋涡位置与大小的影响。通过流场分析找出各参数对燃烧室性能影响的规律。本试验结果可为涡轴燃烧室的优化设计提供可靠的有应用价值的试验依据。     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

磁强计数据辨识卫星自旋状态

针对近地低轨三轴稳定卫星在轨管理后期,除磁强计外其他姿态敏感器都无效情况下的姿态异常问题,分析了三轴稳定卫星失去姿态基准后,星体自旋状态下三轴磁强计测量数据的特点,提出了使用磁强计测量数据的矢量信息,以找到能够获取卫星状态的方法,从而建立了磁强计测量矢量与卫星自旋轴的几何关系,给出了处于自旋状态下的卫星自旋轴确定方法。通过此种辨识方法,获得了某气象卫星姿态异常翻转状态下的自旋矢量方向和自旋角速度,从而证明了该辨识方法快速、有效,可以作为姿态异常卫星自旋状态的辨识手段,为恢复卫星姿态提供了重要信息,具有一定的工程应用价值。     

智能加工技术在切削颤振在线抑制中的应用

具有薄壁结构的关键航空零部件在切削过程中不可避免发生颤振现象。为提高工件表面质量,在加工过程中对颤振进行准确识别和有效控制已成为该领域的主要研究方向。而对于颤振在线辨识和抑制功能的实现,必须开发集成先进传感器和智能控制算法的智能数控系统,并保证系统中各功能模块线程协调运行。因此,在航空薄壁件的精密加工过程中,利用智能加工技术对切削颤振进行实时辨识和在线抑制将成为未来数控加工技术的发展趋势。     

结合不确定度的发动机模型辨识气路诊断

针对航空发动机气路诊断中测量参数个数小于待诊断参数个数的不适定问题,利用了发动机平衡技术,结合非线性的发动机数学模型,并综合考虑了测量参数的不确定度和理论模型部件性能的不确定度,建立了一种结合不确定度的发动机气路故障诊断辨识算法——变分加权最小二乘法,并将该算法应用于某发动机的诊断分析中.结果表明:运用该方法可分析出测量数据和模型计算数据之间的差别,同时,利用所得的故障参数修正量修正原发动机数学模型,使模型计算推力与试验测量推力最大偏差由8.25%减小到1.66%,耗油率最大偏差由6.25%减小到1.50%.      

基于视觉引导着陆的微小型四旋翼设计及实现

为了增强四旋翼的自主性,借用视觉导航方法要求在GPS丢失信号或信号精度不高的情况下进行辅助定位,使得四旋翼能够在某些特殊需求场合自动着陆。针对Harris角点检测算法计算量大的问题,设计了一种快速、准确的标志图像识别算法,将一个区域内的所有角点转换成一个单值角点,替代了Harris算法中的局部非极大值抑制算法,减小了计算量,并进一步设计了视觉模式下的姿态与位置转换算法和视觉着陆控制算法。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建了微型四旋翼实验平台系统,并实时在线进行了性能实验,结果表明,标志图像识别算法能正确检测和识别出标志图像,视觉着陆算法也成功实现了四旋翼实验平台的着陆功能。     

基于SE模块改进Xception的动物种类识别

Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度。由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation）模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高。通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB_200_2011数据集上提升了1%~1.7%和0.8%~1%,证明了SE模块能够进一步提升Xception的精确度。将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63%的识别率。